アップサンプリングに境界部分の補完のための学習を組み込んだSelf-guided Upsample Moduleと、高解像度の出力を基準にダウンサンプリングを行って計算するPyramid Distillation Lossを取り入れたUPFlowを提案した。

MPI-Sintel、KITTI 2012及びKITTI 2015のデータセットで評価を行い、教師なし学習では最も精度が高い結果。教師あり学習の手法との比較でも、ECCV 2020 Best PaperのRAFTなどには及ばないが、従来手法の一部を上回る結果。

アップサンプリングの処理に着目したネットワーク構造で、詳細な実験結果により有効性を示したことで通ったと考えられる。PyTorch実装( https://github.com/coolbeam/UPFlow_pytorch )が公開されている。